2026年量化可转债研究之十三：可转债组合的风险中性方法对比

组合风险中性概述

对于股票组合而言，风险中性是指在构建投资组合时，通过对多个系统性因子 （如市值、行业、风格等）进行暴露控制，使组合对这些因子的整体敞口为零。通 过因子中性化，投资者能够在不同市场环境下保持相对稳健的表现，既保留了多因 子模型捕捉超额收益的优势，又降低了因子轮动带来的波动风险。 以Barra CNE6风险模型为例，在进行股票多因子组合风险中性化时，遵循“因 子暴露‑约束‑最小化组合波动”的标准流程。首先，模型把每只股票的收益拆解为国 家/地区因子、行业因子和风格因子三大类的暴露矩阵。其中风格因子细分为9个一 级因子、21个二级因子和46个三级因子。在数据预处理阶段，所有因子序列经过去 极值、行业市值中性化（对流动市值和行业哑变量回归取残差）以及Z‑Score标准化， 以确保不同因子具有可比性并剔除行业与规模的系统性影响。随后，模型采用带约 束的加权最小二乘回归估计因子收益率和因子协方差矩阵，并得到每只股票的特质 风险矩阵。在组合构建阶段，风险中性化通过在二次规划中加入线性约束实现。 组合风险中性在股票因子模型中已较为成熟。在可转债市场，由于个债数量近 几年快速上升，量化可转债组合逐步进入投资者视野。但由于可转债标的数量相对A 股市场仍然较少，因此风险模型的需求主要集中在行业中性化和市值中性化，以保 证组合超额收益的平稳性。

行业、市值分布对比：A 股与可转债

首先统计了截至2026年1月底，A股与可转债市场的行业（申万一级）数量、市 值分布。

从统计数据来看，可转债相较于A股有两个特点。

一是行业、市值集中度更高。例如可转债行业数量排在前四位的所有可转债数 量占比高达41%，股票市场的数据为37%；可转债行业市值排在前四位的所有可转 债市值占比高达47%，股票市场数据为37%。 二是尾部行业的可转债成分数量稀少，例如成分转债数量小于10只的行业有18 个，而A股市场并没有成分股数量少于10只的行业。 行业和市值的分布差异大、尾部行业成分债数量稀少，使得可转债的行业中性 与市值中性更不容易处理。

可转债组合风险中性的三类方法比较：理论

针对投资组合的行业中性与市值中性，这里总结三类方法。

（一）分层抽样法

该方法的核心是先匹配宏观风险（行业），再在微观层面控制风格风险（市值）， 最后选债。具体来看可以分为以下步骤： 1. 行业中性：确保投资组合的行业权重与基准指数（如中证转债指数）完全一 致。 2. 市值分档：在每个行业内，将所有可转债按市值从大到小排序，并等分为N 档（例如5档）。这相当于在每个行业内构建了一个“微型的市值基准”。 3. 行业内选债：在每一个“行业-市值档”网格单元内，使用量化因子打分进行 排序，选取排名靠前的可转债。 4. 权重分配：组合的最终权重由三部分决定：(1) 该行业的基准权重；(2) 该 市值档在该行业内的基准权重；(3) 所选可转债在该网格单元内的权重（为了匹配市 值中性，这里采用市值加权） 理论上来说通过控制分档数量N，可以间接控制市值暴露：N越大，每个市值档 的范围越窄，组合在市值档上的分布就越贴近基准，市值暴露就越小，越接近市值 中性；N越小，每个市值档的范围越宽，选债的自由度越大，但组合可能系统性偏离 基准的市值结构。 但是由于很多行业的成分可转债数量稀少，因此使用该方法，会有相当一部分 行业的可转债无法进行市值分档，或只能粗糙分档。

（二）回归残差法

这种方法通常被称为“因子纯化”或“因子正交化”。

其核心思想为，将原始因子（Alpha因子）作为因变量，将风险变量（如市值、 行业虚拟变量）作为自变量，进行截面上的线性回归。

原始因子 = β1 * 市值 + β2 * 行业1 + β3 * 行业2 + ... + 残差

回归后得到的残差，就是与市值和行业无关的部分。这个残差被视为“纯净” 的Alpha因子。直接用这个纯净的残差因子来排序可转债，构建投资组合（例如，做 多残差高的可转债，做空残差低的可转债）。 回归法的优点一方面在于简单直观，概念上非常容易理解，就是剥离掉不想要 的风格和行业暴露。并且只需要进行横截面回归，计算速度快，不需要复杂的优化 求解。另一方面，由于残差与自变量正交，理论上，用残差构建的组合在市值和行 业上天然就是中性的或接近中性的，归因时也可以清晰地分离出Alpha因子与市值、 行业因子的贡献。 同时，其缺点在于，这种中性是在全样本横截面上“平均”意义上的中性。对 于某个特定的时间点或某个特定的组合，可能仍然存在微小的敞口。同时它只解决 了因子纯净度问题，但没有从组合整体风险收益的角度进行优化。最终的组合可能 在风险调整后收益上不是最优的。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）